1、隨著計(jì)算技術(shù)的發(fā)展變革,人們開始越來越重視人與計(jì)算機(jī)之間的交互問題,現(xiàn)如今,計(jì)算機(jī)技術(shù)已經(jīng)極大的改變了人們的生活,同時,計(jì)算技術(shù)的發(fā)展也對人機(jī)交互方式提出了更高的要求。近些年來,人機(jī)交互和虛擬技術(shù)的發(fā)展,使得人們已經(jīng)不滿足于當(dāng)前鼠標(biāo)與鍵盤式的人機(jī)交互模式。在這樣的大背景之下,對于更加符合人類使用習(xí)慣的人機(jī)交互方式的研究越來越活躍起來。現(xiàn)在,這些更加符合人類使用習(xí)慣的交互方式已經(jīng)取得了不錯的成就。這些新型的人機(jī)交互,包括語音識別,人臉,表

2、情等識別以及手勢識別等,其中,手勢識別的研究正開展的十分火熱。
　　本文對基于計(jì)算機(jī)視覺的手勢識別技術(shù)展開了較深入的討論,提出了一種結(jié)合Hu矩和支撐向量機(jī)的手勢識別方法,并設(shè)計(jì)實(shí)驗(yàn)對0-9十個數(shù)字手勢進(jìn)行了驗(yàn)證。
　　本文首先討論了一些常用的圖像預(yù)處理方法,然后對手勢圖像的特征提取和支撐向量機(jī)理論進(jìn)行了介紹。手勢具有旋轉(zhuǎn)角度、縮放大小比例、以及平移等一系列變化,因此對手勢識別的研究的首要任務(wù)就是,找到一種能夠適應(yīng)這些變化的特

3、征向量來描述手勢,本文給出的Hu矩就是一種滿足這些條件的圖像特征,該特征對手勢圖像的各種變換具有良好的適應(yīng)性。在手勢識別分類器的選擇方面,本文給出了支撐向量機(jī)(SVM)的相關(guān)理論,該理論是在統(tǒng)計(jì)學(xué)習(xí)的基礎(chǔ)上演變而來的一種新的機(jī)器學(xué)習(xí)方法,支撐向量機(jī)的理論基礎(chǔ)完善、分類效果出色,尤其在解決只有小樣本的訓(xùn)練以及非線性、高維的機(jī)器學(xué)習(xí)方面優(yōu)勢明顯。此外本文還給出了一種兼容YCbCr和HSV顏色空間的自適應(yīng)膚色分割模型,該模型對手勢膚色圖像的二